论文部分内容阅读
牛鞭效应是供应链管理研究中一个非常重要的分支,它影响企业生产计划的准确制定,增大企业的管理成本,降低企业效益和竞争力。本文提出了一个供应商和两个零售商的供应链模型,同时假设这两个零售商的需求都服从自相关移动平均ARMA(1,1)时间序列;处在一个竞争的市场当中,并采用Order-Up-To库存策略进行补货,本文分别使用最小均方差、移动平均以及指数平滑法三种预测方法测量牛鞭效应。在每种方法下,探究了前置期、自相关系数、移动平均系数、市场竞争系数以及需求波动一致性等因素对牛鞭效应的影响。发现前置期、市场竞争系数以及需求波动一致性影响牛鞭效应的方式比较单一,有一个很明显的规律,但是移动平均系数和自相关系数影响牛鞭效应的方式比较复杂,并不是一目了然的关系,需要根据不同的取值条件进行更加深入的分析。研究发现使用不同的需求预测方法测量牛鞭效应时将产生截然不同的结果,通过对比三种预测方法下的牛鞭效应发现:当采用最小均方差MMSE和移动平均MA预测方法时,牛鞭效应并不随着前置期的减小而减小,而采用指数平滑ES方法时,减小前置期却能够有效的降低牛鞭效应;本文的研究结论和Luong以及zhang的一样,即牛鞭效应并不总是随着前置期的增大而增大,盲目的通过减小前置期来降低牛鞭效应的方式是一种误导,特别是对于不了解预测方法以及没有充分理解不同的预测对牛鞭效应的影响的管理者来说这一发现显得尤其重要;在采用指数平滑ES和移动平均MA方法时,牛鞭效应与市场竞争系数是成正比的关系,但是采用最小均方差MMSE方法时,牛鞭效应却和市场竞争系数成反比,结果截然不同;当采用移动平均MA和ES方法时,牛鞭效应与需求波动一致性成反比,但是在最小均方差MMSE方法下,牛鞭效应却和需求波动一致性成正比;当MA和ES方法下的平均采样周期更小时,MMSE方法是这三种方法里头最适用的;而无论平均采样周期如何变化,MA方法都将比ES方法更适用,但是随着平均采样周期的增加,在MA和ES预测方法下的牛鞭效应都将变小;我们知道当需求结构不明确或者变化无常时,MA和ES方法比MMSE方法能够更快的适应需求结构的变动,为此MA和ES方法比MMSE方法要更具有优势。